pytorch（python）中ndim与shape

最新推荐文章于 2024-07-02 23:17:18 发布

期待686

最新推荐文章于 2024-07-02 23:17:18 发布

阅读量894

点赞数 1

文章标签： pytorch

本文链接：https://blog.csdn.net/qq_41931453/article/details/118513411

版权

这篇博客介绍了NumPy数组的基本概念，如ndim（维度数）和shape（形状）。通过实例展示了如何通过shape属性获取数组的维度大小，以及如何通过索引来访问二维和三维数组中的特定元素。内容涵盖了从二维到三维数组的结构和访问方式。

摘要由CSDN通过智能技术生成

转载自：https://blog.csdn.net/weixin_34269583/article/details/93859740，本文只做个人记录学习使用，版权归原作者所有。

[[1.,0.,0.],
 
[0.,1.,2.]]

在上面的例子中，数组的ndim为2（它有两个维度，最简单的判别是两层方括号）

第一个维度长度为2，也就是两个子数组

第二个维度长度为3，也就是每个子数组里有3个元素

简单来看，shape就是每个维度中元素/单元长度size

ndim就是每个数组的嵌套层数

下面是一个二维数组，ndim=2，shape=(3,3)

b=
[
[1,2,3],
[4,5,6],
[7,8,9]
]

要想得到一个确切的元素，使用b[i][j]的格式，数组嵌套了2层，第1层有3个元素，第2层也有3个元素

下面是一个三维数组，ndim=3，shape=(2,2,3)

c=
[
    [
        [1,2,3],
        [4,5,6]
    ],
    [
        [7,8,9],
        [10,11,12]    
    ]
]

要想得到一个确切的元素，使用b[i][j][k]的格式，数组嵌套了3层，第一层有2个元素，第2层也有2个元素，第3层有3个元素

或者ndim=len(shape)

关注